1樓：Charmve
本書主要以實戰為主，基礎理論篇主要講解神經網路模型，結合常見的手寫字識別、影象分類、車道線檢測、人臉識別專案、實力分割等實戰演練.
更主要的特點在於，系統的整理了前沿的計算機視覺模型，例如注意力機制、跨界模型transformer、dert等新型深度學習模型。
適合掌握基本演算法知識，一定程式設計能力的朋友入手。
2樓：可樂多kolatiny
以個人經驗來說，推薦2和3。
第一點更適合已經有一定實際工作經驗的人。在我上班之前，我的各種老師都這麼說過：「小公司裡出來的人，不見得會的就比大公司的少。
但是大公司更強調每個崗位上的技能深入。如果不想走管理，最好還是往大公司發展。」
第一點只有乙個好處，就是如果你能一直再這個小公司做得很好。若是後來小公司發展起來，你很有可能成為領導層。但這點更適合已經工作幾年的人。
因為乙個新手，即便技術很強，依然很容易手忙腳亂（尤其是後期來新人的情況下）。一是不清楚流程，二是沒有乙個交接的經驗。而這些會很致命。
第二點和第三點更適合你。一是你的時間還很充足，你才研一，沒必要把時間規劃到那麼以後（指上班）。二是雖然你的時間充足，但更重要的是你自己的研究，你應該把更多時間花費在這上面。
三是不論你最終選了第三點還是第二點，這兩條都更有益於你對於技術的鑽研。
對於2020入學的計算機視覺研究生，研究生如何學才能畢業找到乙份好工作？
星辰大海 簡單 通用的演算法，應該掌握得越多越好，例如1 卷積神經網路 這個是最基礎的，估計題主早都掌握了。卷積神經網路 2 殘差網路 殘差網路是卷積神經網路的經典改進，其訓練難度較低。殘差模組 3 殘差收縮網路 殘差收縮網路 1 2 主要面向強噪資料，其軟閾值化層是其功能核心。面向強噪 高冗餘資料...
計算機視覺深度學習方向研究生，以就業為目標，應該從哪些方向提公升自己？
重視理論基礎。剛開始讀研的時候，還是打好基礎為重 到後面的話，肯定是需要做一些專案，但是如果理論基礎不夠牢固的話，在做專案的時候，很難有所突破 儲存的知識不多，沒辦法聯想到好的點子 理論基礎的紮實程度，可以說是個人潛力的乙個衡量吧。專案經驗。現在很多人都是重視專案經驗的，包括很多企業招聘，為了盡快推...
計算機研究生階段研究方向和日後就業方向關係大嗎？
數智優佳學院 個人覺得關係不大，工作和在學校學習，是兩個不同的角色。我見過最難理解的，在大學學醫的，最後，從政了或者在公司做管理工作。以前，我也認為，大學學啥，以後畢業就做啥，這個觀點其實，過於偏頗的和武斷。物聯網主要用在智慧型城市的各種感知裝置，如果你個人對大資料有研究，建議在大資料方向發展，目前...